一种改进的适应度函数研究

针对复杂函数的最优化问题,提出了一种改进的适应度函数设计方法,并将这种适应度函数参与遗传算法对Rosenbrock函数进行了测试,仿真结果表明这种改进的适应度函数在进化的初期能提高算法的优化性能。     

改进的遗传算法优化氧化钛湿敏元件的模型

以氧化钛湿敏元件等效电路模型中的参数为优化对象,提出一种改进的基于遗传算法的等效电路优化方法。算法在选择操作中加入最优保存策略,并对适应度函数进行适当的调整,从而提高了算法的运行效率和精确度,获得了拟合曲线和适应度函数图。拟合曲线直观地证明了等效电路的正确性,而适应度函数图更是明确地表达了算法的运行效果。改进的遗传算法优化处理程序采用Matlab编程语言实现。     

基于遗传算法的任意布阵天线方向图优化

建立了一种通用的适应度函数式，通过遗传算法对八元阵优化，逼近二项式分布和切比雪夫分布，验证了算法的正确性。通过对八元阵方向图不同目标的优化，说明该算法及适应度函数的设计对任意布阵天线方向图多目标优化的有效性。     

图像增强中优化算法适应度函数设计

确定图像非线性增强变换函数中最佳参数的通常做法是利用智能优化算法自动寻优,其中,优化算法中适应度函数的设计对于算法寻优的性能、图像增强的效果具有举足轻重的作用。目前,最常用的适用于图像质量评价的适应度函数仅是包含图像方差单一项,其实评价图像增强效果的重要因素还包括信息熵、紧致度、信噪改变量以及像素差别量等。据此,设计新的应用于图像非线性增强优化算法的适应度函数,充分考虑上述5种影响因素,并且兼顾图像的整体与局部,大的结构和小的细节平衡体现。将新设计的适应度函数用于遗传算法及粒子群算法对图像进行非线性变换增强实验,仿真结果表明,该算法具有较高的自适应性,且增强质量评价明显提高。     

基于均匀设计的多目标自适应遗传算法及应用

提出一种多目标遗传算法,将均匀设计技术应用于适应度函数合成和交叉算子构造,以提高遗传算法的空间搜索均匀性、子代质量和运算效率.分析和实验结果表明,该方法可缩短算法运行时间和得到分布较均匀的Pareto有效解集;配合基于元件标称值的网表级高效编码方案和考虑基因位差异的遗传概率调整策略,可实现模拟电路自动设计,通过单次运行即获得对应不同偏好的多种实用化设计结果.     

退火遗传算法在交通图像分割中的应用研究

基于双CPU的多车道交通流实时动态信息检测系统图像分割的阈值自动优化选取系统,通过将模拟退火思想引入到遗传算法中设计了退火遗传算法(AGA),以最大类方差函数作为遗传算法中适应度的评价函数,利用退火算法后期寻优能力强和遗传算法全局搜索能力强的特点,实现图像阈值的自动优化选取,MATLAB仿真数据表明,本算法较基本遗传算法寻优性能更强,将其应用于该交通流检测系统,增强了整个系统的实时性和鲁棒性.     

基于改进遗传算法的量子可逆电路综合

针对可逆电路到量子电路的有效映射问题,提出了带禁忌表的大变异自适应遗传算法,用于量子可逆电路的综合.选取量子非门、控制非门、控制V门与控制V+门(NCV)构成量子门库,建立了量子电路计算模型.采用二进制串行编码方案,设计了适应度函数、进化算子及优化规则,实现了带禁忌表大变异自适应遗传算法的量子可逆电路综合,并用Revlib电路库进行了测试.结果表明该综合方法能同时得到多个功能解,且所生成电路的量子代价优于库中电路,验证了提出算法用于量子可逆电路综合的正确性和有效性.     

一种任意阵的方向图模值综合方法

 本文提出一种遗传算法和凸优化相结合的方向图模值综合方法.将方向图主瓣的相位作为遗传算法的优化变量,结合期望主瓣的模值构造适应度函数.利用凸优化求解该适应度函数可得相应个体适应度的最优值,提高了算法的搜索性能.相位的优化使得本文方法综合结果与阵列的参考点无关,而且适用于任意阵.仿真数据结果验证了方法的有效性.     

排队"梯度"浮点数编码遗传算法

文章主要论述了浮点数编码遗传算法优化的问题。充分利用个体及其适应度函数值的已知信息,依据一定算法得到“梯度”信息,从而加快算法的收敛速度。但如果个别适应度函数值相对较大(例如是全体适应度函数值平均值的100倍以上),则上述利用“梯度”信息的优势尽失。为了解决此问题,提出排队“梯度”浮点数编码遗传算法。最后用典型的四个常用测试函数分别对简单浮点数编码遗传算法、利用“梯度”信息的浮点数编码遗传算法和排队“梯度”浮点数编码遗传算法的性能进行了测试和比较。     

基本电子电路

TN7 2005030489 基于均匀设计的多目标自适应遗传算法及应用/赵曙光,焦李成,王宇平,杨万海(西安电子科技大学)//电子学报.-2004,32(10).- 1723-1725,1729 提出一种多目标遗传算法,将均匀设计技术应用于适应度函数合成和交叉算子构造,以提高遗传算法的空间搜索均匀性、子代质量和运算效率. 分析和实验结果表明,该方法可缩短算法运行时间和得到分布较均匀的Pareto有效解集;配合基于元件标称值的网表级高效编码方案和考虑基因位差异的遗传概率调整策略,可实现模拟电路自动设计,通过单次运行即获得对应不同偏好的多种实用化设计结果.图4表2参10(李)     

云环境中基于粒子群算法的任务调度研究

任务调度是云计算实现高效计算的关键技术。本文采用粒子群算法进行任务调度求解,对每个子任务占用的资源采用间接编码方式,考虑时间和成本定义合理的初始化参数,选择合适的适应度函数,尽量避免陷入局部最优。仿真结果表明,改进算法具有寻优能力强、耗时少等优点,实现较为理想的任务调度结果。     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.     

Assignment and Scheduling in Flexible Job-Shops by Hierarchical Optimization

In this paper, we propose a new hierarchical method for the flexible job-shop scheduling problem (FJSP). This approach is mainly adapted to a job-shop problem (JSP) with high flexibility and is based on the decomposition of the problem in an assignment subproblem and a sequencing subproblem. For the first subproblem, we propose two methods: the first one is based successively on a heuristic approach and a local search; the second one, however, is based on a branch-and-bound algorithm. The quality of the assignment is evaluated by a lower bound. For the second subproblem we apply a hybrid genetic algorithm to deal with the sequencing problem. Computational tests are finally presented.     

基于改进混合遗传算法的云资源调度算法

在云计算中,系统规模和虚拟机迁移数量都是十分庞大的,需要高效的调度策略对其进行优化。将云计算的任务分配抽象为背包求解问题,可通过遗传算法进行求解。传统的遗传算法具有局部搜索能力差以及早熟现象的缺点,本文采用遗传和贪婪相结合的混合遗传算法。针对混合遗传算法在资源利用率与能源消耗的收敛速度较慢问题,本文通过改进适应度函数,改变了适应度函数在不同染色体间的差异度,从而提高了染色体在选择算子中的择优性能。仿真结果表明,该方法能够有效提高混合遗传算法在云计算资源优化中的收敛速度。     

自适应遗传算法在相控阵雷达最优化调度中的应用

针对相控阵雷达最优化调度问题,提出了自适应遗传算法的解决方案。在分析雷达约束模型的基础上,设计了相应的编码方式、适应度函数、遗传操作等遗传算法的求解步骤;并提出了既考虑到进化代数对算法影响,又考虑到每代中不同个体适应度对算法作用的自适应交叉概率和变异概率。仿真实例表明该方法可以完成对各项雷达申请事件的合理调度,保证较高的成功被调度率和时间利用率。     

基于mean-variance的服务集群负载均衡方法

大量并发请求任务进行分配时,负载调度机制是通过最小化响应时间及最大化节点利用率实现网络中节点的负载均衡,在基于遗传算法的负载均衡算法中,适应度函数设计对服务集群负载均衡效率产生重要的影响.对此提出了一种基于mean-variance的服务集群负载均衡方法对适应度函数进行优化,采用投资组合选择模型mean-variance进行最小化响应时间,以得到每个服务器资源利用率的权重,从而获得最优的分配组合,进而提高适应度函数的准确性和有效性.在不同服务环境下与其他模型进行比较,仿真结果表明,本文的负载均衡算法在节点利用率和响应时间方面使服务集群得到了更好的均衡.     

Approach by localization and multiobjective evolutionaryoptimization for flexible job-shop scheduling problems

Traditionally, assignment and scheduling decisions are made separately at different levels of the production management framework. The combining of such decisions presents additional complexity and new problems. We present two new approaches to solve jointly the assignment and job-shop scheduling problems (with total or partial flexibility). The first one is the approach by localization (AL). It makes it possible to solve the problem of resource allocation and build an ideal assignment model (assignments schemata). The second one is an evolutionary approach controlled by the assignment model (generated by the first approach). In such an approach, we apply advanced genetic manipulations in order to enhance the solution quality. We also explain some of the practical and theoretical considerations in the construction of a more robust encoding that will enable us to solve the flexible job-shop problem by applying the genetic algorithms (GAs). Two examples are presented to show the efficiency of the two suggested methodologies     

云计算环境下能量感知的任务调度算法

云计算环境下传统独立任务调度算法容易导致较高资源能耗或较大任务时间跨度.针对该问题,文中提出了两种能量感知的任务调度算法,并利用遗传算法并行化搜索合理调度方案.两种算法在搜索过程中,分别通过能耗时间归一和能耗时间双适应度方法定义适应度函数并进行个体选择.仿真结果表明,与单独考虑时间或能耗相比,这两种算法能够更有效地缩短任务执行时间跨度,降低资源能耗.     

Parameter estimation of weak space-based ADS-B signals using genetic algorithm

Space-based automatic dependent surveillance-broadcast (ADS-B) is an important emerging augmentation of existing ground-based ADS-B systems. In this paper, the problem of space-based ultra-long-range reception processing of ADS-B signals is described. We first introduce a header detection method for accurately determining the pulse position of a weak ADS-B signal. We designed a signal encoding method, shaping method, and fitness function. We then employed a genetic algorithm to perform high-precision frequency and phase estimations of the detected weak signal. The advantage of this algorithm is that it can simultaneously estimate the frequency and phase, meaning a direct coherent demodulation can be implemented. To address the computational complexity of the genetic algorithm, we improved the ratio algorithm for frequency estimation and raised the accuracy beyond that of the original ratio algorithm with only a slight increase in the computational complexity using relatively few sampling points.     

异构计算系统中基于遗传算法的任务分配与调度

任务分配与调度是异构计算系统(HCS)的核心问题之一。本文提出了一种对异构计算系统进行任务分配与调度的遗传算法。首先对HCS任务分配调度问题做出定义，然后分别讨论了问题的编码表示，种群初始化，染色体适应度函数设计。杂交、内部杂交与迁移遗传算子设计，控制参数自适应，算法的总体框架等。最后给出算法的仿真实验情况及实验结果分析与结论等。